Files-DB-MCP
Archivos-DB-MCP: Búsqueda vectorial para proyectos de código
Un sistema de base de datos vectorial local que proporciona a los agentes de codificación LLM capacidades de búsqueda rápidas y eficientes para proyectos de software a través del Protocolo de control de mensajes (MCP).
Características
Configuración cero : detecta automáticamente la estructura del proyecto con valores predeterminados razonables
Monitoreo en tiempo real : vigila continuamente los cambios en los archivos
Búsqueda vectorial : búsqueda semántica para encontrar código relevante
Interfaz MCP : compatible con Claude Code y otras herramientas LLM
Modelos de código abierto : utiliza modelos de caras abrazadas para incrustaciones de código
Related MCP server: local-memory-mcp
Instalación
Opción 1: Clonar y configurar (recomendado)
# Using SSH (recommended if you have SSH keys set up with GitHub)
git clone git@github.com:randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.sh
# Using HTTPS (if you don't have SSH keys set up)
git clone https://github.com/randomm/files-db-mcp.git ~/.files-db-mcp && bash ~/.files-db-mcp/install/setup.shOpción 2: Script de instalación automatizada
curl -fsSL https://raw.githubusercontent.com/randomm/files-db-mcp/main/install/install.sh | bashUso
Después de la instalación, ejecute en cualquier directorio del proyecto:
files-db-mcpEl servicio permitirá:
Detecta tus archivos de proyecto
Iniciar la indexación en segundo plano
Comience a responder a las consultas de búsqueda de MCP de inmediato
Requisitos
Estibador
Docker Compose
Configuración
Files-DB-MCP funciona sin configuración, pero puedes personalizarlo con variables de entorno:
EMBEDDING_MODEL- Cambia el modelo de incrustación (predeterminado: 'jinaai/jina-embeddings-v2-base-code' o modelo específico del proyecto)FAST_STARTUP- Establezca en 'verdadero' para utilizar un modelo más pequeño para un inicio más rápido (valor predeterminado: 'falso')QUANTIZATION- Habilitar o deshabilitar la cuantificación (valor predeterminado: 'verdadero')BINARY_EMBEDDINGS- Habilitar o deshabilitar incrustaciones binarias (predeterminado: 'false')IGNORE_PATTERNS- Lista separada por comas de archivos/directorios a ignorar
Primera puesta en marcha
En la primera ejecución, Files-DB-MCP descargará modelos de incrustación, lo que puede tardar varios minutos dependiendo de:
El tamaño del modelo seleccionado (300-500 MB para modelos de alta calidad)
La velocidad de tu conexión a Internet
Los inicios posteriores serán mucho más rápidos, ya que los modelos se almacenan en caché en un volumen Docker persistente. Para un inicio inicial más rápido, puede:
# Use a smaller, faster model (90MB)
EMBEDDING_MODEL=sentence-transformers/all-MiniLM-L6-v2 files-db-mcp
# Or enable fast startup mode
FAST_STARTUP=true files-db-mcpAlmacenamiento en caché de modelos
Files-DB-MCP conserva automáticamente los modelos de incrustación descargados, por lo que solo necesita descargarlos una vez:
Los modelos se almacenan en un volumen Docker llamado
model_cacheEste volumen persiste entre reinicios de contenedores y entre diferentes proyectos.
El caché se comparte para todos los proyectos que utilizan Files-DB-MCP en su máquina
No es necesario volver a descargar el modelo para cada proyecto
Integración de Claude Code
Añade a tu configuración de Claude Code:
{
"mcpServers": {
"files-db-mcp": {
"command": "python",
"args": ["/path/to/src/claude_mcp_server.py", "--host", "localhost", "--port", "6333"]
}
}
}Para obtener más detalles, consulte Integración de Claude MCP .
Documentación
Guía de instalación : instrucciones de configuración detalladas
Referencia de API : documentación completa de la API
Guía de configuración - Opciones de configuración
Estructura del repositorio
/src- Código fuente/tests- Pruebas unitarias y de integración/docs- Documentación/scripts- Scripts de utilidad/install- Scripts de instalación/.docker- Configuración de Docker/config- Archivos de configuración/ai-assist- Archivos de asistencia de IA
Licencia
Contribuyendo
¡Se agradecen las contribuciones! No dudes en enviar una solicitud de incorporación de cambios.
This server cannot be deployed
Maintenance
Related MCP Connectors
Project memory, semantic code search, and grounded agent context.
Memory system for AI agents with semantic search. Store and recall memories with ease.
Shared memory for coding agents. Stop re-explaining your codebase every session.
Universal persistent memory and knowledge retrieval layer for AI agents and LLMs.
Related MCP Servers
- AlicenseNot gradedqualityBmaintenanceA local MCP server that provides AI coding assistants with semantic search capabilities over codebases. It indexes code using local embeddings and exposes tools for efficient code retrieval, saving tokens and improving response quality.31 npm4MIT
- FlicenseNot gradedqualityDmaintenanceA local MCP server that provides semantic memory storage and retrieval for coding and AI agents, enabling durable context across chat sessions.103 npm4-
- AlicenseAqualityDmaintenanceMCP server for semantic code indexing using vector embeddings, enabling AI agents to maintain persistent memory of codebases through natural language queries and intelligent chunking.1913 npm4MIT
- AlicenseNot gradedqualityDmaintenanceA local semantic memory MCP server for AI coding agents that provides persistent, searchable project knowledge including architecture notes, file symbols, git history, progress tracking, and a knowledge graph, all stored locally.MIT